(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210847934.3 (22)申请日 2022.07.19 (71)申请人 新天绿色能源股份有限公司 地址 050006 河北省石家庄市裕华西路9号 裕园广场A座 (72)发明人 梅春晓　谭建鑫　张清清　李雪松　 张国峰　吴伟强　于垒　许宜菲　 李瑞　马同宽　 (74)专利代理 机构 上海骁象知识产权代理有限 公司 31315 专利代理师 柏祝扣 (51)Int.Cl. G06Q 10/00(2012.01) G06Q 50/06(2012.01) G06N 20/00(2019.01)G01M 13/021(2019.01) G01M 13/028(2019.01) (54)发明名称 基于神经网络算法的风电齿轮箱预防性维 修监测系统 (57)摘要 本发明公开了基于神经网络算法的风电齿 轮箱预防性维修监测系统， 包括以下步骤： 收集 SCADA数据、 CMS数据等基础数据； 基于SCADA数 据、 CMS数据建立神经网络模型； 利用建立好的神 经网络模型对需要预测的数据进行预测， 并输出 预测结果； 通过预测结果得出的故障信息， 给出 相应的维修建议； 通过实地检查及内窥镜检查， 确认齿轮箱故障情况， 并对故障部位、 故障类别、 故障程度进行 维修和记录； 将记录的故障信息更 新到基础数据库中。 本发明克服了现有技术的不 足， 利用神经网络算法结合SCADA数据以及CMS数 据建立预防性维修监测系统， 及时给出预警及维 修建议， 通过内窥镜检查确认问题， 然后动态更 新算法模型， 从而提高预测精度。 权利要求书1页 说明书4页 附图3页 CN 115329996 A 2022.11.11 CN 115329996 A 1.基于神经网络算法的风电齿轮箱预防性维修 监测系统， 其特 征在于： 包括以下步骤： 步骤S1： 对SCADA数据、 CMS数据、 故障维修手册、 巡检及维修日报、 内窥镜检查报告数据 进行基础数据收集； 步骤S2： 基于SCADA数据、 C MS数据建立神经网络模型； 步骤S3： 利用建立 好的神经网络模型对需要预测的数据进行 预测， 并输出 预测结果； 步骤S4： 通过 预测结果得 出的故障信息， 给 出相应的维修建议； 步骤S5： 通过实地检查及内窥镜检查， 确认齿轮箱故障情况， 并对故障部位、 故障类别、 故障程度进行维修和记录； 步骤S6： 将记录的故障信息更新到基础数据库中； 以提高模型训练样本的精度。 2.根据权利要求1所述的基于神经网络算法的风电齿轮箱预防性维修监测系统， 其特 征在于： 所述步骤S1中， SCADA数据包括与齿轮箱相关 的温度、 压力数据， 机组功率、 舱内温 度和环境相关数据； CMS数据包括与齿轮箱振动相关的数据， 包括振动方向、 传感器位置； 故障维修手册包括常见故障的类型及处 理方式、 建议， 并对其进行编号处 理； 巡检及维修日报为巡检过程中发现的齿轮箱问题， 包括部位、 严重程度， 齿轮箱故障维 修部位、 原因； 内窥镜检查报告包括齿轮 状况、 轴承状况及油液状况。 3.根据权利要求1所述的基于神经网络算法的风电齿轮箱预防性维修监测系统， 其特 征在于： 所述 步骤S2中， 基于SCADA数据、 C MS数据建立神经网络模型 具体包括以下步骤： 步骤S21： 加载第三方 数据库， 导入SCADA训练数据和C MS训练数据； 步骤S22： 将训练数据进行清洗， 并将数据格式转换为Dataset格式； 步骤S23： 预 先设定训练模型中的输入输出参数， 核心参数以及控制参数； 步骤S24： 对训练模型进行迭代训练； 步骤S25： 判断训练模型是否达到迭代次数， 若是， 则保存SCADA数据预警模型和CMS数 据预警模型， 若否， 则执 行下一步； 步骤S26： 判断训练数据的准确性在最近一个回合中是否提高， 若是， 则返回到步骤 S24， 若否， 则输出训练数据， 输出准确度指标， 并保存S CADA数据预警模型和CMS数据预警模 型。 4.根据权利要求1所述的基于神经网络算法的风电齿轮箱预防性维修监测系统， 其特 征在于： 所述步骤S3在对需要预测的数据进行预测时， 利用SCADA数据建立的预警模型， 通 过实际运行数据与预测数据之间的偏差值进 行预警； 利用CMS数据建立的预警模 型， 直接输 出预测的故障类别、 部位及故障程度。权　利　要　求　书 1/1 页 2 CN 115329996 A 2基于神经 网络算法的风电齿轮箱预防性维修监测系统 技术领域 [0001]本发明涉及 风电齿轮箱预防性维修技术领域， 具体涉及基于神经网络算法的风电 齿轮箱预防性维修 监测系统。 背景技术 [0002]齿轮箱作为风电机 组中的重要零部件， 其性能及 健康状况直接影响风电机组的稳 定性。 早期开 发的风电场运行已超过10年， 处于亚健康状况的齿轮箱 不在少数。 传统的定期 维护以及故障后维修存在 诸多弊端， 如维护不到位、 故障造成停机后才进 行维修等。 因此开 发一套预防性维修系统及流 程对齿轮箱乃至风机的正常运行 具有非常重要的意 义。 [0003]设备的维修分为预防性维修及事 故性维修， 目前在风电运维中多数维修属于事故 性维修， 即齿轮箱设备发生故障停机甚至造成风机严重损坏时才进行维修。 此时齿轮箱一 般是处于严重故障阶段甚至已经发生了严重故障， 如断齿、 不对中、 卡死等。 而预防性维修 就是设备未发生严重故障时， 对其进行维护 保养， 避免出现严重故障， 如齿轮齿面剥落、 点 蚀等。 对风机定期维护是预防性维修的一种， 一般是年检及半年检， 这种 方式针对性不强、 检查项目也较为 粗糙， 而且受人为因素较大。 [0004]利用SCADA系统能够实时监测齿轮箱温度、 压力等数据， 但只有数据严重超过阈值 时才会报警， 而且受温度传感器状况的影响也较大。 通过CMS振动系统数据对齿轮箱进 行分 析可以掌握更精确的运行数据， 但受制 于网络安全限制， 振动数据无法实时传送到分析人 员手中， 传统的做法是拷贝离线 数据发送给数据分析商， 数据分析商给出数据分析报告。 这 种方法存在严重的滞后性， 而且受分析 人员的专业素质影响。 发明内容 [0005]针对现有技术的不足， 本发明提供了基于神经网络算法的风电齿轮箱预防性维修 监测系统， 克服了现有技术的不足， 利用神经网络算法结合SCADA数据以及CMS数据建立预 防性维修监测系统， 及时给出预警及维修建议， 通过内窥镜检查确认问题， 然后动态更新算 法模型， 从而提高预测精度。 [0006]为实现以上目的， 本发明通过以下技 术方案予以实现： [0007]基于神经网络算法的风电齿轮箱预防性维修 监测系统， 包括以下步骤： [0008]步骤S1： 对SCADA数据、 CMS数据、 故障维修手册、 巡检及维修日报、 内窥镜检查报告 数据进行基础数据收集； [0009]步骤S2： 基于SCADA数据、 C MS数据建立神经网络模型； [0010]步骤S3： 利用建立好的神经网络模型对需要预测的数据进行预测， 并输出预测结 果； [0011]步骤S4： 通过 预测结果得 出的故障信息， 给 出相应的维修建议； [0012]步骤S5： 通过实地检查及内窥镜检查， 确认齿轮箱故障情况， 并对故障部位、 故障 类别、 故障程度进行维修和记录；说　明　书 1/4 页 3 CN 115329996 A 3